数据结构课件1第1章绪论幻灯片.ppt

国际教育学院 n * n阶矩阵加法： for( i = 0; i n; i++) for( j = 0; j n; j++) c[i][j] = a[i][j] + b[i][j]; 语句的频度（Frequency Count ): 重复执行的次数：n*n; T( n ) = O ( n 2) 即：矩阵加法的运算量和问题的规模n的平方是同一个量级 国际教育学院 加法规则 针对并列程序段 T(n, m) = T1 (n) + T2 (m) = O(max (f (n), g (m))) 国际教育学院 变量计数 x = 0; y = 0; for ( int k = 0; k n; k ++ ) x ++; for ( int i = 0; i n; i++ ) for ( int j = 0; j n; j++ ) y ++; T1(n) = O(1) T2(n) = O(n) T3(n) = O(n2) T(n) = T1(n)+T2(n)+T3(n) = O( max( 1, n, n2 ) ) = O(n2) 国际教育学院 乘法规则 针对嵌套程序段  T (n, m) = T1 (n) * T2 (m) = O(f (n)*g (m)) 两个并列循环的例子 国际教育学院 void exam ( float x[ ][ ], int m, int n ) { float sum [ ]; for ( int i = 0; i m; i++ ) { //x中各行 sum[i] = 0.0; //数据累加 for ( int j = 0; j n; j++ ) sum[i] += x[i][j]; //关键操作 } for ( i = 0; i m; i++ ) //打印各行数据和 cout i “ : ” sum [i] endl; //关键操作 } 渐进时间复杂度为 O(max (m*n, m)) 算法的时间复杂度是由嵌套最深层语句的频度决定的 国际教育学院 例1：N×N矩阵相乘 for(i=1;i=n;i++) for(j=1;j=n;j++) {c[i][j]=0; for(k=1;k=n;k++) c[i][j]=c[i][j]+a[i][k]*b[k][j]; } 算法中的基本操作语句为c[i][j]=c[i][j]+a[i][k]*b[k][j]; 国际教育学院 例2： for( i=1; i=n; i++) for (j=1; j=i; j++) for (k=1; k=j; k++) 　　　　x=x+1; 语句频度 = 国际教育学院 例3：分析以下程序段的时间复杂度 i=1; ① while(i=n) i=i*2; ② 即f(n)≤log2n，取最大值f(n)=log2n 所以该程序段的时间复杂度T(n) =O( log2n) 国际教育学院 有的情况下，算法中基本操作重复执行的次数还随问题的输入数据集不同而不同。例如： void bubble-sort(int a[]，int n) { for(i=n-1;i0;--i) for(j=0;ji;++j) if (a[j]a[j+1]) a[j] ←→a[j+1]; } 最好情况：0次 最坏情况：1+2+3+…+n-1=n(n-1)/2 平均时间复杂度为:O(n2) 国际教育学院 时间复杂度T(n)按数量级递增顺序为： 复杂度高 复杂度低 指数时间的关系为： O(2n)O(n!)O(nn) 　当n取得很大时，指数时间算法和多项式时间算法在所需时间上非常悬殊 国际教育学院 空间复杂度:算法所需存储空间的度量，记作: S(n)=O(f(n)) 其中n为问题的规模(或大小) 算法要占据的空间 算法本身要占据的空间，输入/输出，指令，常数，变量等 算法要使用的辅助空间 若输入数据所占空间和算法无关，则不考虑输入本身所占空间，否则应同时考虑